مقارنة بين RTDETRv2 و YOLOX#

لقد تطور مشهد الرؤية الحاسوبية بسرعة كبيرة، مما أتاح للمطورين والباحثين مجموعة متنوعة من المعماريات للاختيار من بينها عند بناء أنظمة تعتمد على الرؤية. ومن أبرز المحطات في هذه الرحلة نموذج RTDETRv2 القائم على المحولات (Transformer) ونموذج YOLOX القائم على الشبكات العصبية التلافيفية (CNN). وعلى الرغم من أن كلا النموذجين قد ساهما بشكل كبير في مجال اكتشاف الكائنات في الوقت الفعلي، إلا أنهما يمثلان نهجين مختلفين جذرياً لحل مشكلات التعرف البصري.

يستكشف هذا الدليل الشامل الفروق الدقيقة في البنية، ومقاييس الأداء، وسيناريوهات النشر المثالية لكلا النموذجين. علاوة على ذلك، سنقوم بفحص كيفية بناء البدائل الحديثة مثل Ultralytics YOLO26 المتطور على هذه الأسس لتقديم دقة، وكفاءة، وسهولة استخدام فائقة.

RTDETRv2: محولات اكتشاف الوقت الفعلي#

تم تقديم RTDETRv2 كخلف للنموذج الأصلي RT-DETR، وهو يستفيد من معمارية المحولات (Transformer) لتحقيق اكتشاف عالي الأداء للكائنات في الوقت الفعلي. ومن خلال إلغاء الحاجة إلى خوارزمية كبت الحد الأقصى غير (NMS)، فإنه يبسط خط أنابيب الاستدلال.

• المؤلفون: Wenyu Lv, Yian Zhao, Qinyao Chang, Kui Huang, Guanzhong Wang, و Yi Liu
• المنظمة: Baidu
• التاريخ: 24-07-2024
• الروابط: ورقة Arxiv، GitHub الرسمي، التوثيق

المعمارية والتصميم#

يعتمد RTDETRv2 بشكل كبير على آليات الانتباه الذاتي المتأصلة في المحولات، مما يسمح للنموذج بالتقاط السياق العالمي عبر الصورة بأكملها. يتيح هذا الفهم الشامل للنموذج التنبؤ بصناديق الإحاطة (bounding boxes) واحتمالات الفئات مباشرة. كما يقدم ميزات اكتشاف متعددة النطاقات تعزز قدرته على التعرف على الكائنات الصغيرة في البيئات المزدحمة.

نقاط القوة والضعف#

تكمن القوة الأساسية لـ RTDETRv2 في تصميمه الأصلي من البداية إلى النهاية. فمن خلال تخطي NMS، يتجنب طفرات التأخير التي غالباً ما ترتبط بالتنبؤات المتداخلة الكثيفة. ومع ذلك، فإن البصمة الحسابية الثقيلة لكتل المحولات تعني أنه يتطلب موارد GPU كبيرة للتدريب والنشر. وهذا يجعله أقل مثالية للأجهزة الطرفية محدودة الموارد أو أجهزة الهاتف المحمول القديمة.

اعرف المزيد عن RTDETRv2

YOLOX: تطوير شبكات CNN الخالية من المراسي#

تم تطوير YOLOX لسد الفجوة بين البحث الأكاديمي والتطبيق الصناعي، حيث قدم رأساً مفككاً وتصميماً خالياً من المراسي (anchor-free) لعائلة نماذج YOLO الشهيرة.

• المؤلفون: Zheng Ge، وSongtao Liu، وFeng Wang، وZeming Li، وJian Sun
• المؤسسة: Megvii
• التاريخ: 18 يوليو 2021
• الروابط: ورقة Arxiv، GitHub الرسمي، التوثيق

المعمارية والتصميم#

يمثل YOLOX ابتعاداً عن أجهزة الكشف التقليدية القائمة على المراسي من خلال التنبؤ بمواقع الكائنات مباشرة دون صناديق مراسي محددة مسبقاً. هذا يبسط تصميم الشبكة ويقلل من عدد معلمات الضبط الإرشادية المطلوبة للأداء الأمثل. بالإضافة إلى ذلك، يستخدم YOLOX رأساً مفككاً يفصل مهام التصنيف عن الانحدار، مما يحسن سرعة التقارب أثناء التدريب.

نقاط القوة والضعف#

تجعل طبيعة YOLOX الخالية من نقاط الارتكاز قابلة للتكيف بشكل كبير مع مهام رؤية الكمبيوتر المختلفة وأسهل في التدريب على مجموعات البيانات المخصصة. إن متغيراتها الأخف وزناً، مثل YOLOX-Nano، مناسبة تماماً للنشر على المتحكمات الدقيقة وأجهزة إنترنت الأشياء منخفضة الطاقة. ومع ذلك، نظراً لأن YOLOX يسبق ثورة الخلو من NMS، فإنها لا تزال تعتمد على المعالجة اللاحقة التقليدية، والتي يمكن أن تدخل احتكاكاً في النشر وزيادة في زمن الانتقال في المشاهد الكثيفة.

تعرف على المزيد حول YOLOX

مقارنة الأداء والمقاييس#

عند مقارنة هذه النماذج، يعد تقييم سرعتها ودقتها وكفاءة معاملاتها أمراً بالغ الأهمية لتحديد الأنسب لحالة الاستخدام الخاصة بك. يوضح الجدول أدناه أداء أحجام النماذج المختلفة على مجموعة بيانات COCO القياسية.

كما يظهر في البيانات، يحقق RTDETRv2 دقة قصوى أعلى (54.3 mAP) في متغيره الأكبر مقارنة بـ YOLOXx. ومع ذلك، يقدم YOLOX متغيرات أصغر وأسرع بشكل ملحوظ، مثل YOLOXs، الذي يتميز بعدد معلمات أقل وسرعات استدلال أسرع على وحدات معالجة الرسومات NVIDIA T4.

ميزة Ultralytics: ظهور YOLO26#

في حين أن كل من RTDETRv2 و YOLox يقدمان مزايا فريدة، غالباً ما يتطلب المطورون المعاصرون حلاً موحداً يجمع بين أفضل ما في العالمين - دقة عالية، واستدلال سريع للغاية، ويسير بخطى حثيثة، وبيئة عمل يمكن الوصول إليها. يمثل Ultralytics YOLO26 الذي تم إصداره حديثاً ذروة هذا التطور.

ابتكارات YOLO26 الرئيسية#

• تصميم خالٍ من NMS من البداية إلى النهاية: بناءً على المفاهيم التي رادتها لأول مرة YOLOv10، يعمل YOLO26 بشكل أصلي دون NMS. يوفر هذا استدلالاً سلساً لـ RTDETRv2 بدون متطلبات الذاكرة الهائلة للمحولات (Transformers).
• محسن MuSGD: مستوحى من ابتكارات تدريب نماذج اللغات الكبيرة، يعمل محسن MuSGD الهجين (الذي يمزج بين SGD و Muon) على استقرار عملية التدريب وتسريع التقارب بشكل كبير.
• استدلال أسرع على وحدة المعالجة المركزية (CPU) بنسبة تصل إلى 43%: من خلال إزالة وحدة خسارة بؤر التوزيع (DFL) بشكل استراتيجي، تم تحسين YOLO26 خصيصاً للحوسبة المتطرفة (edge computing) والأجهزة منخفضة الطاقة، مما يجعله أسرع بكثير على وحدات المعالجة المركزية مقارنة بالإصدارات السابقة مثل YOLO11.
• ProgLoss + STAL: تحقق دوال الخسارة المتقدمة هذه تحسينات ملحوظة في التعرف على الكائنات الصغيرة، معالجة نقطة ألم شائعة في صور الأقمار الصناعية وتطبيقات الروبوتات.

تعدد استخدامات لا مثيل له ونظام بيئي متكامل#

إلى جانب الأداء الخام، توفر منصة Ultralytics نظاماً بيئياً شاملاً من الصفر إلى الإنتاج. على عكس المستودعات الأكاديمية الثابتة، تتم صيانة نماذج Ultralytics بنشاط وهي تدعم بسلاسة مهام متعددة من واجهة برمجة تطبيقات (API) واحدة بديهية. سواء كنت تجري تجزئة المثيلات، أو تتبع الوضعيات عبر تقدير الوضعية، أو يتعامل مع كائنات مُستدارة باستخدام مربعات الإحاطة الموجهة (OBB)، فإن سير العمل يظل كما هو تماماً.

علاوة على ذلك، تشتهر نماذج Ultralytics بمتطلبات ذاكرتها المنخفضة أثناء التدريب والاستدلال، مما يسمح للباحثين بتشغيل أحجام دفعات (batch sizes) أكبر على الأجهزة المخصصة للمستهلكين، وهو تباين صارخ مع البصمة الثقيلة للمعماريات القائمة على المحولات.

مثال على كود التدريب#

يتم إثبات قوة نظام Ultralytics البيئي بشكل أفضل من خلال بساطته. فتدريب نموذج YOLO26 متطور لا يتطلب سوى بضعة أسطر من التعليمات البرمجية، مما يلخص تماماً تعقيدات تحميل البيانات وتكوين المعلمات الفائقة.

from ultralytics import YOLO

# Initialize the natively NMS-free YOLO26 Nano model
model = YOLO("yolo26n.pt")

# Train the model on the standard COCO8 dataset
results = model.train(data="coco8.yaml", epochs=100, imgsz=640, batch=16)

# Validate the model's performance seamlessly
metrics = model.val()
print(f"Validation mAP: {metrics.box.map}")

# Export to ONNX or TensorRT for rapid deployment
model.export(format="engine", device=0)

تطبيقات العالم الحقيقي وحالات الاستخدام المثالية#

يعتمد اختيار المعمارية الصحيحة كلياً على قيود النشر الخاصة بك وتوافر الأجهزة.

معالجة سحابية عالية الدقة#

إذا كان تطبيقك يعمل على وحدات معالجة رسومات (GPU) خادم متطورة ويعطي الأولوية لأقصى دقة - مثل تحليل مشاهد الحشود الكثيفة أو معالجة الصور الطبية عالية الدقة - فإن آليات الانتباه القوية لنموذج RTDETRv2 يمكن أن تكون فعالة للغاية.

نشر الحافة القديم#

لعمليات النشر على الهواتف المحمولة القديمة أو المتحكمات الدقيقة المقيدة بشدة حيث تكون الحاجة إلى الحد الأدنى من عمليات الفاصلة العائمة (FLOPs) ضرورة صارمة، لا يزال نموذج YOLOX-Nano خفيف الوزن يعمل كخيار احتياطي قابل للتطبيق، وذلك بفضل معمارية CNN البسيطة الخاصة به.

المعيار الحديث: AIoT والروبوتات#

بالنسبة للغالبية العظمى من حالات الاستخدام الحديثة - والتي تمتد عبر البنية التحتية للمدن الذكية، وتحليلات التجزئة، والملاحة المستقلة - يُعد Ultralytics YOLO26 الخيار الحاسم. يجعل استدلاله الأسرع بنسبة 43% على وحدة المعالجة المركزية (CPU) لا يُقطر مقارنة بالحوسبة المتطرفة، بينما يضمن تصميمه الخالي من NMS تأخيراً منخفضاً وثابتاً. عندما يقترن بالوثائق الشاملة ودعم المجتمع النشط لنظام Ultralytics البيئي، فإنه يمكن الفرق من الانتقال من تصنيف مجموعة البيانات إلى النشر العالمي بشكل أسرع من أي وقت مضى.

للمطورين الذين يسعون لاستكشاف بنيات أخرى داخل النظام البيئي لـ Ultralytics، قد تفكر أيضاً في التحقق من YOLOv8 لعمليات تكامل المجتمع الراسخة بعمق أو YOLOv5 لتحقيق استقرار لا يضاهى في خطوط الأنابيب القديمة. ومع ذلك، لدفع حدود ما هو ممكن في عام 2026، يظل YOLO26 معيار الصناعة.